心音matlab

Matlab WSNs 质心法代码，密度10*10，间隔10。效果良好(Matlab WSNs mass-force code, the density of 10* 10, 10 interval. Well)

basic matlab program

说明：  详细用MATLAB程序编程灰狼算法，用于求密度函数的最优参数(MATLAB program programming grey Wolf algorithm, for density function to find the optimal parameters)

MATLAB 原代码集锦 很有用 使用MATLAB实现(Collection of the original MATLAB code using MATLAB realize useful)

收集的matlab实现密码登录框，星号隐藏密码不显示.组测和登陆(Password box ,password hidden)

A fuzzy supervisor algorithm used to accelerate the convergence of genetic algorithms.

基于图论的图像分割matlab库，很好用，有2d和3d(Image segmentation based on graph theory matlab library, useful, 2d and 3d)

信号的平滑处理，moving average算法，Mablab源程序(signal processing, moving average algorithm, in Mablab)

层次分析法实现程序，实现目标层权向量的计算以及评价(Analytic Hierarchy Process implementation program to achieve the target layer weight vector calculation and evaluation)

说明：  .附件结构: gatbx.rar: (1)gatbx-origin.zip; (2)gatbx-toolbox.rar; (3)gatbx-example.rar 2.调试所用Matlab版本是6.5，gatbx-toolbox是调试过程中使用的工具箱，有些热心的研友已经提供了该工具箱，之所以再贴一遍，是因为6.5版本下调试该工具箱会出现一些错误提示，在该版本中已经进行了改正，使用该工具箱只需要将压缩包下的gatbx和gatbxTest_fns加入到Matlab搜索路径即可，另外gatbx-origin是Sheffield大学提供的原始版本的工具箱，未做任何改动，两者可做比较之用 3.gatbx-example是算例调试源码和各算例的调试说明，大家可以对照原书进行比较 4.窃以为gatbx工具箱较之Matlab7新版下的gads工具箱更能让人熟悉和了解遗传算法的原理和计算过程，虽然在可视化方面不及gads 5.学习遗传算法如果首先用熟相关工具箱的话，能够先培养信心，然后更有兴趣去专研和了解具体的算法，如果就用现有的工具箱就能解决问题的话，不了解其详细的算法也未尝不可，毕竟不是每个研友都能向see_moonlight那样开发自己的工具箱吧,(Annex structure: gatbx.rar: (1) gatbx-origin.zip; (2) gatbx-toolbox.rar; (3) gatbx-Test_fns under the compression package need to be added to Mat. The lab search path can be done, and gatbx-origin is the original version of the toolbox provided by Sheffield University, without any changes, which can be used for comparison. 3. Gatbx-example is the source code of example debugging and the debugging instructions of each example. You can compare it with the original book. 4. It is assumed that the gatbx toolbox is better than the gads toolbox in the new version of MATLAB 7 in familiarizing and understanding the principle and calculation process of genetic algorithm, although it is less visualized than gads.)